【技术实现步骤摘要】
候选框过滤方法、装置以及电子设备
本申请涉及一种神经网络领域，尤其涉及一种候选框过滤领域。
技术介绍
通过目标检测模型对图片中的目标进行检测，在进行目标检测等任务时，算法会从一张图片中找出很多个候选框，为了去掉冗余的候选框，找到最佳的物体检测的位置，候选框提取策略至关重要。目前，通过设置非极大抑制的阈值的方式(NMS，Non-maximumsuppression)方式过滤候选框。但是，实际任务中，使用NMS方法过滤候选框，高的阈值可以保证召回率，低的阈值可以保证准确性。提高召回率的情况下，准确率会降低，提高准确率的情况下，召回率降低，候选框的准确率和召回率不可兼得。
技术实现思路
本申请实施例提供一种候选框过滤方法、装置以及电子设备，以解决现有技术中的一个或多个技术问题。第一方面，本申请实施例提供了一种候选框过滤方法，包括：将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；根据超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；根据保留的候选框计算超...
【技术保护点】
1.一种候选框过滤方法，其特征在于，包括：/n将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；/n根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；/n根据保留的候选框计算所述超参数序列对应的检测评价信息；/n利用所述检测评价信息更新所述过滤策略生成模型，直至收敛，得到目标候选框。/n
【技术特征摘要】
1.一种候选框过滤方法，其特征在于，包括：
将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；
根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；
根据保留的候选框计算所述超参数序列对应的检测评价信息；
利用所述检测评价信息更新所述过滤策略生成模型，直至收敛，得到目标候选框。
2.根据权利要求1所述的方法，其特征在于，根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框，包括：
按照各所述候选框对应的置信度由高到低的顺序，对所述待检测图片中的全部候选框进行排序，形成候选框序列；
对于所述候选框序列中的每个候选框，按照排序依次执行过滤步骤；
所述过滤步骤包括：选取所述候选框序列中的一个候选框为选取框，剩余的多个候选框均为未选框；根据所述超参数序列，计算所述选取框和各所述未选框之间的相似度；过滤掉所述相似度小于相似度阈值的未选框，并更新所述候选框序列。
3.根据权利要求2所述的方法，其特征在于，根据所述超参数序列，计算所述选取框和各所述未选框之间的相似度，包括：
根据所述选取框的坐标和所述未选框的坐标，计算第一相似度；
根据所述选取框在检测任务中的关键点和所述未选框在所述检测任务中的关键点，计算第二相似度；
所述超参数序列中包括第一超参数和第二超参数，计算所述第一超参数与所述第一相似度的乘积为第一乘积，所述第二超参数与所述第二相似度的乘积为第二乘积；
所述第一乘积与所述第二乘积之和，得到所述相似度。
4.根据权利要求3所述的方法，其特征在于，还包括：
根据所述选取框的可见关键点和不可见关键点，以及所述未选框的可见关键点和不可见关键点，计算第三相似度；
所述超参数序列中还包括第三超参数，计算所述第三超参数与所述第三相似度的乘积为第三乘积；
所述第一乘积、所述第二乘积以及所述第三乘积之和，得到所述相似度。
5.根据权利要求1所述的方法，其特征在于，根据保留的候选框计算所述超参数序列对应的检测评价信息，包括：
根据保留的候选框计算所述超参数序列对应的召回率和准确率；
根据所述召回率和所述准确率的联合函数得到所述检测评价信息。
6.根据权利要求1所述的方法，其特征在于，所述过滤策略生成模型包括基于强化学习的过滤策略生成模型和基于进化算法的过滤策略生成模型中的一种。
7.一种候选框过滤装置，其特征在于，包括：
超参数生成模块，用于将超参数的个数和超参数范围输入至过滤策略生成模型，得到超参数序列；
候选框过滤模块，用于根据所述超参数序列，从待检测图片中的全部候选框中过滤掉冗余的候选框；
检测评价信息计算模块，用于根据保留的候选框计算所述超参数序列对...
【专利技术属性】
技术研发人员：希滕，张刚，温圣召，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。